探究TryOnGAN
计算机视觉与模式识别
2022-01-06 v1 机器学习
摘要
TryOnGAN是一种近期的虚拟试穿方法,可生成高度逼真的图像,并优于多数先前方法。本文中,我们复现了TryOnGAN实现,并从多个角度探究它:迁移学习的影响、以姿态和条件生成图像变体,以及潜空间插值的特性。其中部分方面此前文献从未探讨。我们发现迁移学习在训练初期有帮助,但随着模型训练更久其收益消失,且通过拼接进行的姿态条件生成表现更优。潜空间自发解耦了姿态与风格特征,并实现了跨姿态的风格迁移。我们的代码与模型已开源。
引用
@article{arxiv.2201.01703,
title = {Probing TryOnGAN},
author = {Saurabh Kumar and Nishant Sinha},
journal= {arXiv preprint arXiv:2201.01703},
year = {2022}
}
备注
5 pages, to appear in the proceedings of the 9th ACM IKDD CODS and 27th COMAD (CODS-COMAD '22)